Google老师亲授 TensorFlow2.0 入门到进阶

本站官方QQ群：116064591

PS 本站不保证资源的完整性，不对其真实性负责。请自行确认是否符合个人需求。如有介意，请勿获取。

第1章Tensorflow简介与环境搭建【11 节 | 129分钟】
- 视频：1-2 Tensorflow是什么 (09:38)
- 视频：1-3 Tensorflow版本变迁与tf1.0架构 (09:00)
- 视频：1-6 Tensorflow环境配置 (04:48)
- 视频：1-7 Google_cloud无GPU环境搭建 (12:55)
- 视频：1-8 Google_cloud_远程jupyter_notebook配置 (15:35)
- 视频：1-9 Google_cloud_gpu_tensorflow配置 (12:42)
- 视频：1-10 Google_cloud_gpu_tensorflow镜像配置 (10:32)
- 视频：1-11 AWS云平台环境配置 (13:22)
第2章Tensorflowkeras实战【18 节 | 195分钟】
- 视频：2-1 tfkeras简介 (09:18)
- 视频：2-2 分类回归与目标函数 (08:02)
- 视频：2-3 实战分类模型之数据读取与展示 (13:04)
- 视频：2-4 实战分类模型之模型构建 (17:24)
- 视频：2-5 实战分类模型之数据归一化 (07:55)
- 视频：2-6 实战回调函数 (11:13)
- 视频：2-7 实战回归模型 (16:05)
- 视频：2-8 神经网络讲解 (11:18)
- 视频：2-9 实战深度神经网络 (08:38)
- 视频：2-10 实战批归一化、激活函数、dropout (13:51)
- 视频：2-11 wide_deep模型 (15:13)
- 视频：2-12 函数API实现wide&deep模型 (07:04)
- 视频：2-13 子类API实现wide&deep模型 (06:19)
- 视频：2-14 wide&deep模型的多输入与多输出实战 (11:29)
- 视频：2-15 超参数搜索 (09:10)
- 视频：2-16 手动实现超参数搜索实战 (09:33)
- 视频：2-17 实战sklearn封装keras模型 (09:38)
- 视频：2-18 实战sklearn超参数搜索 (09:20)
第3章Tensorflow基础API使用【13 节 | 124分钟】
- 视频：3-1 tf基础API引入 (05:07)
- 视频：3-2 实战tf.constant (07:09)
- 视频：3-3 实战tf.strings与ragged tensor (08:09)
- 视频：3-4 实战sparse tensor与tf.Variable (11:13)
- 视频：3-5 实战自定义损失函数与DenseLayer回顾 (09:27)
- 视频：3-6 使子类与lambda分别实战自定义层次 (12:31)
- 视频：3-7 tf.function函数转换 (07:56)
- 视频：3-8 @tf.function函数转换 (08:45)
- 视频：3-9 函数签名与图结构 (12:45)
- 视频：3-10 近似求导 (07:44)
- 视频：3-11 tf.GradientTape基本使用方法 (14:55)
- 视频：3-12 tf.GradientTape与tf.keras结合使用 (15:46)
- 视频：3-13 章节总结 (01:41)
第4章Tensorflowdataset使用【9 节 | 108分钟】
- 视频：4-1 data_API引入 (03:59)
- 视频：4-2 tf_data基础API使用 (13:44)
- 视频：4-3 生成csv文件 (13:15)
- 视频：4-4 tf.io.decode_csv使用 (12:46)
- 视频：4-5 tf.data读取csv文件并与tf.keras结合使用 (15:29)
- 视频：4-6 tfrecord基础API使用 (18:34)
- 视频：4-7 生成tfrecords文件 (20:34)
- 视频：4-8 tf.data读取tfrecord文件并与tf.keras结合使用 (08:19)
- 视频：4-9 章节总结 (00:57)
第5章TensorflowEstimator使用与tf1.0 【12 节 | 131分钟】
- 视频：5-1 课程引入 (03:04)
- 视频：5-2 泰坦尼克问题引入分析 (12:24)
- 视频：5-3 feature_column使用 (13:26)
- 视频：5-4 keras_to_estimator (08:49)
- 视频：5-5 预定义estimator使用 (12:06)
- 视频：5-6 交叉特征实战 (08:09)
- 视频：5-7 TF1.0引入 (03:37)
- 视频：5-8 TF1.0计算图构建 (09:51)
- 视频：5-9 TF1.0模型训练 (09:48)
- 视频：5-10 TF1_dataset使用 (14:54)
- 视频：5-11 TF1_自定义estimator (16:30)
- 视频：5-12 API改动升级与课程总结 (17:43)
第6章卷积神经网络【14 节 | 139分钟】
- 视频：6-1 卷积神经网络引入与总体结构 (07:57)
- 视频：6-2 卷积解决的问题 (07:57)
- 视频：6-3 卷积的计算 (08:18)
- 视频：6-4 池化操作 (03:41)
- 视频：6-5 卷积神经网络实战 (10:05)
- 视频：6-6 深度可分离卷积网络 (11:20)
- 视频：6-7 深度可分离卷积网络实战 (04:46)
- 视频：6-8 Kaggle平台与10monkeys数据集介绍 (06:21)
- 视频：6-9 Keras generator读取数据 (16:48)
- 视频：6-10 10monkeys基础模型搭建与训练 (12:58)
- 视频：6-11 10monkeys模型微调 (16:10)
- 视频：6-12 keras generator读取cifar10数据集 (16:58)
- 视频：6-13 模型训练与预测 (09:56)
- 视频：6-14 章节总结 (04:39)
第7章循环神经网络【13 节 | 141分钟】
- 视频：7-1 循环神经网络引入与embedding (07:31)
- 视频：7-2 数据集载入与构建词表索引 (09:47)
- 视频：7-3 数据padding、模型构建与训练 (11:12)
- 视频：7-4 序列式问题与循环神经网络 (13:00)
- 视频：7-5 循环神经网络实战文本分类 (14:41)
- 视频：7-6 文本生成之数据处理 (14:04)
- 视频：7-7 文本生成实战之构建模型 (16:48)
- 视频：7-8 文本生成实战之采样生成文本 (13:16)
- 视频：7-9 LSTM长短期记忆网络 (08:26)
- 视频：7-10 LSTM文本分类与文本生成实战 (09:14)
- 视频：7-11 subword文本分类之数据集载入与tokenizer (10:16)
- 视频：7-12 subword文本分类之dataset变换与模型训练 (08:33)
- 视频：7-13 章节总结 (03:28)
第8章Tensorflow分布式【9 节 | 91分钟】
- 视频：8-1 课程引入与GPU设置 (05:55)
- 视频：8-2 GPU默认设置 (08:03)
- 视频：8-3 内存增长和虚拟设备实战 (09:24)
- 视频：8-4 GPU手动设置实战 (08:46)
- 视频：8-5 分布式策略 (12:08)
- 视频：8-6 keras分布式实战 (08:15)
- 视频：8-7 estimator分布式实战 (08:29)
- 视频：8-8 自定义流程实战 (17:06)
- 视频：8-9 分布式自定义流程实战 (12:43)
第9章Tensorflow模型保存与部署【9 节 | 106分钟】
- 视频：9-1 课程引入与TFLite_x264 (12:25)
- 视频：9-2 保存模型结构加参数与保存参数实战 (07:09)
- 视频：9-3 Keras模型转化为SavedModel (11:30)
- 视频：9-4 签名函数转化为SavedModel (05:22)
- 视频：9-5 签名函数，SavedModel和Keras模型到具体函数转换 (06:22)
- 视频：9-6 tflite保存与解释与量化 (19:08)
- 视频：9-7 tensorflowjs转换模型 (14:40)
- 视频：9-8 tensorflowjs搭建服务器载入模型实战 (14:33)
- 视频：9-9 Android部署模型实战与总结 (14:10)
第10章机器翻译【33 节 | 376分钟】
- 视频：10-1 课程引入与seq2seq+attention模型讲解 (10:25)
- 视频：10-2 数据预处理理与读取 (16:15)
- 视频：10-3 数据id化与dataset生成 (13:32)
- 视频：10-4 Encoder构建 (08:18)
- 视频：10-5 attention构建 (08:12)
- 视频：10-6 Decoder构建 (10:45)
- 视频：10-7 损失函数与单步训练函数 (10:14)
- 视频：10-8 模型训练 (06:46)
- 视频：10-9 模型预测实现 (16:11)
- 视频：10-10 样例例分析与总结 (08:59)
- 视频：10-11 Transformer模型总体架构 (10:24)
- 视频：10-12 Encoder-Decoder架构与缩放点击注意力 (09:56)
- 视频：10-13 多头注意力与位置编码 (08:56)
- 视频：10-14 Add、Normalize、Decoding过程与总结 (07:59)
- 视频：10-15 数据预处理与dataset生成 (20:09)
- 视频：10-16 位置编码 (10:47)
- 视频：10-17 mask构建 (07:54)
- 视频：10-18 缩放点积注意力机制实现(1) (10:32)
- 视频：10-19 缩放点积注意力机制实现(2) (08:00)
- 视频：10-20 多头注意力机制实现 (15:34)
- 视频：10-21 feedforward层次实现 (02:24)
- 视频：10-22 EncoderLayer实现 (11:33)
- 视频：10-23 DecoderLayer实现 (13:34)
- 视频：10-24 EncoderModel实现 (11:12)
- 视频：10-25 DecoderModel实现 (11:50)
- 视频：10-26 Transformer实现 (13:50)
- 视频：10-27 自定义学习率 (11:23)
- 视频：10-28 Mask创建与使用 (18:12)
- 视频：10-29 模型训练 (14:03)
- 视频：10-30 模型预测实现 (15:10)
- 视频：10-31 attention可视化 (12:32)
- 视频：10-32 示例展示与实战总结 (11:35)
- 视频：10-33 GPT与Bert与课程总结 (08:13)

1 本站名称：疯奇社
2 本站网址：https://www.shiyeluming.com
3 本站不保证资源的完整性，不对其真实性负责。
4 获取资源前务必确认资源目录是否包含本人需求内容，一经购买下载，则视为已确认包含，不接受任何形式的申诉与退款。
5 本站一切资源均来自于互联网，仅供大家学习与参考。如有侵权，请联系站长（QQ：1302982067）进行删除处理。
6 本站一切资源不代表本站立场，不代表本站赞同其观点，本站不对其真实性负责。
7 本站资源大多储存在云盘，如发现链接失效，请联系我们，我们会在第一时间更新。
8 根据 2002 年 1 月 1 日《计算机软件保护条例》规定：为了学习和研究软件内含的设计思想和原理，通过安装、显示、传输或者存储软件等方式使用软件的，可以不经软件著作权人许可，不向其支付报酬！

THE END